論文の概要: Multi-Objective Covariance Matrix Adaptation MAP-Annealing

• arxiv url: http://arxiv.org/abs/2505.20712v1
• Date: Tue, 27 May 2025 04:39:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:52:01.550611
• Title: Multi-Objective Covariance Matrix Adaptation MAP-Annealing
• Title（参考訳）: 多目的共分散行列適応MAPアニール
• Authors: Shihan Zhao, Stefanos Nikolaidis,
• Abstract要約: QD(Quality-Diversity)最適化は、振る舞いの多様性と高品質なソリューションのセットを見つけることに焦点を当てた、新興分野である。 近年のMOQD(Multi-Objective Quality-Diversity)研究は、QD最適化を拡張して、複数の目的関数を同時に最適化している。 これは、難易度、リアリズム、その他の特性を最大化する多種多様なゲームマップを生成するなど、QDのための多目的アプリケーションを開く。
• 参考スコア（独自算出の注目度）: 7.103319934188755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quality-Diversity (QD) optimization is an emerging field that focuses on finding a set of behaviorally diverse and high-quality solutions. While the quality is typically defined w.r.t. a single objective function, recent work on Multi-Objective Quality-Diversity (MOQD) extends QD optimization to simultaneously optimize multiple objective functions. This opens up multi-objective applications for QD, such as generating a diverse set of game maps that maximize difficulty, realism, or other properties. Existing MOQD algorithms use non-adaptive methods such as mutation and crossover to search for non-dominated solutions and construct an archive of Pareto Sets (PS). However, recent work in QD has demonstrated enhanced performance through the use of covariance-based evolution strategies for adaptive solution search. We propose bringing this insight into the MOQD problem, and introduce MO-CMA-MAE, a new MOQD algorithm that leverages Covariance Matrix Adaptation-Evolution Strategies (CMA-ES) to optimize the hypervolume associated with every PS within the archive. We test MO-CMA-MAE on three MOQD domains, and for generating maps of a co-operative video game, showing significant improvements in performance.
• Abstract（参考訳）: QD(Quality-Diversity)最適化は、振る舞いの多様性と高品質なソリューションのセットを見つけることに焦点を当てた、新興分野である。 品質は一般に単一の目的関数で定義されるが、近年のMOQD(Multi-Objective Quality-Diversity)の研究は、複数の目的関数を同時に最適化するためにQD最適化を拡張している。 これは、難易度、リアリズム、その他の特性を最大化する多種多様なゲームマップを生成するなど、QDのための多目的アプリケーションを開く。 既存のMOQDアルゴリズムは、突然変異やクロスオーバーのような非適応的な手法を用いて、非支配的なソリューションを探し出し、パレートセット(PS)のアーカイブを構築する。 しかし、近年のQDにおける研究は、適応解探索に共分散に基づく進化戦略を用いることで、性能の向上を実証している。 この知見をMOQD問題に適用し、CMA-ES(Covariance Matrix Adaptation-Evolution Strategies)を利用したMO-CMA-MAEを導入し、アーカイブ内のすべてのPSに関連するハイパーボリュームを最適化する。 3つのMOQDドメイン上でMO-CMA-MAEをテストし、協調型ビデオゲームのマップを生成する。

関連論文リスト

• MOANA: Multi-Objective Ant Nesting Algorithm for Optimization Problems [21.80971564725773]
  Multi-Objective Ant Nesting Algorithm (MOANA)は、Ant Nesting Evolutionary Algorithm (ANA)の新たな拡張である。 MOANAは、多目的シナリオにおけるスケーラビリティと多様性を改善することによって、従来の進化的アルゴリズムの重要な制限に対処する。 MOANAの溶接ビーム設計のような実世界のエンジニアリング最適化への適用性は、幅広い最適解を生成する能力を示している。
  論文  参考訳（メタデータ） (2024-11-08T18:31:53Z)
• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Covariance Matrix Adaptation MAP-Annealing [5.5216935362914485]
  我々はCMA-MAE(Covariance Matrix Adaptation MAP-Annealing)という新しい品質多様性アルゴリズムを提案する。 我々は,各制限について,新しいアルゴリズムの理論的正当性を提供する。 我々の理論は、CMA-MAEが最先端の性能と堅牢性を達成することを示す実験を報告している。
  論文  参考訳（メタデータ） (2022-05-22T06:01:02Z)
• Multi-Objective Quality Diversity Optimization [2.4608515808275455]
  MOME(Multi-Objective MAP-Elites)の多目的設定におけるMAP-Elitesアルゴリズムの拡張を提案する。 すなわち、MAP-Elitesグリッドアルゴリズムから受け継いだ多様性と、多目的最適化の強みを組み合わせる。 本手法は,標準的な最適化問題からロボットシミュレーションまで,いくつかのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-07T10:48:28Z)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
  本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
  論文  参考訳（メタデータ） (2020-04-29T02:16:49Z)
• GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
  本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。 我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
  論文  参考訳（メタデータ） (2020-02-17T20:21:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。